什麼都不談之一，從業務角度看分佈式，架構，開發，管理

前言

鄙人在進入IT行業沒有被淘汰的一點就是業務能力有點強，雖然技術不咋地。大部分業務都能實現。雖然沒有輕視過業務。可是心底仍是以爲技術是很是重要。比業務重要。越到後來，發現不是這樣的。 完成一個產品那麼技術與業務二者都不可欠缺。沒有什麼熟輕熟重。技術是爲了更好的服務業務，沒有業務，產品沒法更加健壯。業務想要更好的體驗感等須要技術實現。因此二者是相輔相成。 有時須要技術作得更多，可能提升運營的工做效率，提升合做愉快。 有時須要業務退讓下，技術可能很好的實現，技術風險與成本可能下降不少。

合做，不是要求。合理的退讓，多作點就好

優惠券案例

優惠券是一種很是有效的推銷，營銷方式。是運營，商業推進消費的一種重要手段。技術若是實現很差，他們會跟你拼命。

公司用戶羣體越大，活動查看，優惠券領用的併發越高。

優惠券的使用不能影響下單，支付，退款的響應時間

優惠券查看功能

緩存，緩存所有緩存。緩存實際上是一個很麻煩的東西。能不用就不用。

緩存的幾個性能指標

1. 容量，容量越大維護越複雜，硬件成本越高。有效緩存數據是重點
2. 緩存命中率

在用戶角度來講，能看到的業務也就只有優惠券活動，與優惠券。

一個優惠券活動規則： 　　　　不限定數量。能夠有N個領用者，每一個領用能夠領用N張 領用者*每人領用張數＝總數 　　　　活動限定數量。

一個活動對應 限定數量或者領用者*每人領用張數 的優惠券。

活動出現的場景

1. 活動介紹頁面
2. 領用頁面
3. 提醒點（下訂單的時候，會提醒用戶，購買的商品有優惠券可使用）

分析獲得

1. 活動宣傳頁面，會被大量用戶點擊 活動數據是熱點數據
2. 每領一張優惠券，那麼必須關聯一個或者多個活動才能領取。能領取的活動是大熱點數據
3. 活動過時一個星期以內，用戶點擊率不到1%，一個星期以後點擊率幾乎爲零， 失去熱點。冷卻了。從緩衝中刪除
4. 活動數據量遠遠小於優惠券數據量
5. 用戶冷不丁的查看過去活動。如何處理。這個機率很低，仍是會出現。

熱點數據必須緩存

冷了的數據若是處理

1. 冷了數據從緩存中刪除。保證內存中數據的有效性，與高度的命中
2. 若是用戶冷不丁的查看過去活動。沒有命中緩存，能夠查庫。id查詢很快的。

優惠券出現場景

1. 優惠券查詢頁面
2. 下訂單時，提醒優惠券可使用
3. 某個活動頁面進入須要識別用戶是否擁有優惠券，依據不一樣優惠券顯示不一樣的視圖效果

優惠券的數量極其龐大

1. 做爲用戶，領取了。至於能不能用到，會不會去用，比不了，先領了在說的想法。領取的數量會十分龐大。。淘寶，天貓，京東，雙11活動。幾乎重要的店鋪都會有多種優惠券。大概估值：一個店鋪發放總數爲一百萬張，平均領取五十萬，重要店鋪兩萬。雙十一當天與前幾天的優惠價領取量可能達到百億（感受低估了）。
2. 優惠券基本類型有 未使用，已使用，已過時。（重點）

通過分析點

1. 下訂單時，提醒優惠券可使用 場景

能使用的類型只有 未使用的優惠價

2. 優惠券查詢頁面

常常網購的你，在下面圖片中三個狀態優惠券你點擊最多的，不會點擊的是？

這三類操做中，用戶對未使用點擊率是99%，已使用的爲0.99%，已過時的爲0.01%。

3. 三個狀態優惠券的特性分析

已使用與已過時的優惠券是有大量陳舊數據。已使用的優惠券的特性。導致這張優惠券永遠保存。有些平臺會清除過於陳舊的已過時的優惠券。有些平臺會把於陳舊的已使用的優惠價也清除。

從分析的點得出一下結果

未使用的優惠券是超級熱點數據，其餘類型優惠券基本沒有人查看。因此未使用與未生效的數據是放到內存中，提升響應速度，內存命中率基本達到99%。內存容量減小，數據有效性爲99% 其餘類型的優惠券能夠從緩存中刪除，須要時從數據庫中查。這種很大程度上節約了內存服務器資源，減小了架構複雜度與成本。優惠券模塊的分佈式更加簡單了。節約了運營成本，運維成本。開發更加簡單。 天生爲數據庫資源隔離最好了準備

產品退一步，技術更好的實現。

不要到處跟淘寶，天貓比。他們每個細節都大量的用戶考驗。每一個考驗後面有無數優秀的程序員和產品經理日以繼夜分析，實現，完善。

多學習下淘寶，天貓，京東的設計，他們每個細節都大量的用戶考驗。把適合本身的拉過來用。